一种图像识别方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113850326A(43)申请公布日2021.12.28(21)申请号202111124036.7(22)申请日2021.09.24(71)申请人山东云海国创云计算装备产业创新中心有限公司地址250001山东省济南市自由贸易试验区济南片区浪潮路1036号浪潮科技园S01楼35层(72)发明人陈静静吴睿振黄萍王凛(74)专利代理机构北京集佳知识产权代理有限公司11227代理人王洋(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图3页(54)发明名称一种图像识别方法、装置、设备及存储介质(57)摘要本发明公开了一种图像识别方法、装置、设备及存储介质；在本方案中，预先将原始图像识别模型中的原始激活函数，替换为通过原始激活函数及线性函数确定的可训练的目标激活函数，该目标激活函数中具有可训练的目标参数，其参数值在训练过程确定；然后对替换后的图像识别模型进行训练得到目标图像识别模型，以便利用目标图像识别模型执行图像识别任务。可见，本方案通过在图像识别模型的训练过程中确定目标激活函数的参数值，以此来建立一种适合当前模型、当前任务、当前数据的最优的目标激活函数，进而提高了图像识别模型的收敛速度及准确率。CN113850326ACN113850326A权利要求书1/2页1.一种图像识别方法，其特征在于，包括：确定原始图像识别模型中的原始激活函数；利用所述原始激活函数及线性函数确定可训练的目标激活函数；所述目标激活函数中具有可训练的目标参数；将所述原始图像识别模型中的所述原始激活函数替换为所述目标激活函数，并对替换后的图像识别模型进行训练得到目标图像识别模型；所述目标激活函数中目标参数的参数值通过训练过程确定；利用所述目标图像识别模型执行图像识别任务；其中，所述利用所述原始激活函数及线性函数确定可训练的目标激活函数，包括：根据所述原始激活函数h(x)及线性函数u(x)确定的可训练的目标激活函数为：φ(x，ξ)＝α*h(x)+(1‑α)*u(x)；其中，φ(x，ξ)表示目标激活函数，x表示输入数据，ξ表示可训练参数，α表示第一目标参数。2.根据权利要求1所述的图像识别方法，其特征在于，所述线性函数为：u(x)＝a*x+b；其中，a表示第二目标参数，b表示第三目标参数。3.根据权利要求1或2所述的图像识别方法，其特征在于，图像识别模型为LeNet卷积神经网络。4.根据权利要求3所述的图像识别方法，其特征在于，所述对替换后的图像识别模型进行训练得到目标图像识别模型，包括：通过MNIST数据集对替换后的LeNet卷积神经网络进行训练，得到目标LeNet卷积神经网络。5.根据权利要求4所述的图像识别方法，其特征在于，所述利用所述目标图像识别模型执行图像识别任务，包括：确定待识别的目标图像；将所述目标图像输入所述目标LeNet卷积神经网络，通过所述目标LeNet卷积神经网络识别所述目标图像中的手写数字。6.一种图像识别装置，其特征在于，包括：第一确定模块，用于确定原始图像识别模型中的原始激活函数；第二确定模块，用于利用所述原始激活函数及线性函数确定可训练的目标激活函数；所述目标激活函数中具有可训练的目标参数；替换模块，用于将所述原始图像识别模型中的所述原始激活函数替换为所述目标激活函数；训练模块，用于对替换后的图像识别模型进行训练得到目标图像识别模型；所述目标激活函数中目标参数的参数值通过训练过程确定；识别模块，用于利用所述目标图像识别模型执行图像识别任务；其中，所述第二确定模块具体用于：根据所述原始激活函数h(x)及线性函数u(x)确定的可训练的目标激活函数为：φ(x，ξ)＝α*h(x)+(1‑α)*u(x)；其中，φ(x，ξ)表示目标激活函数，x表示输入数据，ξ表示可训练参数，α表示第一目标参数。7.根据权利要求6所述的图像识别装置，其特征在于，所述线性函数为：u(x)＝a*x+b；2CN113850326A权利要求书2/2页其中，a表示第二目标参数，b表示第三目标参数。8.根据权利要求6或7所述的图像识别装置，其特征在于，所述训练模块具体用于：通过MNIST数据集对替换后的LeNet卷积神经网络进行训练，得到目标LeNet卷积神经网络。9.一种电子设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的图像识别方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的图像识别方法的步骤。3CN113850326A说明